基本蚁群算法的选择概率公式存在的缺陷,从信息素的更新策略方面入手,通过自适应地调整挥发系数对蚁群算法进行优化,并将自适应蚁群优化算法应用于置换流水车间调度问题 .对几组仿真数据进行实验,结果表明该算法具有可行性,并且有一定的理论意义和较高的实际应用价值,是一种值得推广的求解置换流水车间问题算法 .

遗传算法求解混合流水车间调度问题

【优化调度】基于改进蛙跳算法求解流水车间调度问题matlab代码

第1章 绪 论 1.1选题的目的及意义 1.2国内外研究现状及发展趋势 1.2.1国内外研究现状 1.2.2发展趋势 1.3本文研究内容 第2章 车间调度问题 2.1车间调度问题综述 2.1.1车间调度问题的描述 2.1.2车间调度问题的分类 2.1.3车间调度问题的特点 2.1.4求解车间调度问题的常用方法 2.2柔性流水车间调度问题 2.2.1柔性流水车间调度问题概述 2.2.2柔性流水车间调度问题建模 第3章 遗传算法理论 3.1遗传算法的基本思想 3.2遗传算法的基本概念 3.3遗传算法的特点 3.4遗传算法的改进 3.5遗传算法的操作设计 3.5.1编码方式 3.5.2选择操作 3.5.3交叉操作 3.5.4变异操作 3.6遗传算法的参数设计 第4章 柔性流水车间调度遗传算法设计 4.1编码方式 4.2解码方式 4.3选择方法 4.4交叉方法 4.5变异方法 4.6算法流程设计 第5章 程序实现及仿真分析 5.1问题描述 5.2程序设计 5.2.1种群初始化 5.2.2选择算子 5.2.3交叉算子 ...... 基于遗传算法的柔性流水车间调度设计与实现（论文+源码+答辩ppt

Python | 模拟退火算法解决置换流水车间调度问题 使用启发式算法解决置换流水车间调度问题 txt文档中分别为源码和测试用例 未涉及第三方库，可以直接复制到pyCharm中运行 由于主函数使用了递归，程序可能运行较慢 （运行时需在源码中更改测试用例的保存路径）

使用python求解了混合流水车间调度问题，遗传算法

果蝇优化算法的基本原理是初始化种群的中心位置，利用敏锐的嗅觉进行搜索，即根据中心位置随机产生多个邻域解。计算各可行解的味道浓度，即适应度值，然后利用视觉从中选择较好的解，更新替换中心位置，然后进行迭代寻优，以更好的靠近食物源。 FOA在整个迭代寻优过程中，所有个体都聚集到本次迭代的最优个体附近，只向当前最优果蝇个体学习，极易是算法陷入局部最优。要克服早熟的问题，必须提供一种机制可以跳出局部最优，在其他解空间中继续搜索。

part1置换流水车间调度NEH算法Java程序.pdf

算例为流水车间调度算例，包括 car1-car8、hel1-hel2、reC01-reC42

完整代码，可直接运行